Channel
@ml_nlp_cv
On this record: Growth · Engagement · Posts · Citations · Cite this entry
273subscribers
-1 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001156021394 |
|---|---|
| Type | Channel |
| Username | @ml_nlp_cv |
| Created | Between 1 March 2018 and 30 June 2021— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 14 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 14 August 2026 |
| On Telegram | t.me/ml_nlp_cv |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 14 Aug 2026, 03:06 | 273 | -1 |
| 6 Aug 2026, 23:32 | 274 | no change |
| 6 Aug 2026, 20:55 | 274 | first reading |
18 posts held, back to 16 June 2024 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 18 posts for this entry, the most recent from 7 January 2026. An engagement rate over an empty window would be a number about nothing.
این مقاله (برنده جایزه بهترین مقاله NeurIPS 2025)، نشان میدهد که شبکههای عصبی عمیق (تا ۱۰۲۴ لایه) را میتوان به طور پایدار برای یادگیری تقویتی رباتیک (reinforcement learning) آموزش داد. این کار با استفاده از اتصالات باقیمانده (residual connections)، نرمالسازی لایه (layer normalization) و فعالسازی Swish انجام شده و بر مشکل ناپایداری قبلی ناشی از پاداشهای پراکنده غلبه کرده است. به طور شگفتانگیزی، جهشهای عملکرد…
Signed Mohammad Saleh
CS224R Deep Reinforcement Learning | Spring 2025 , Stanford university (Slides, Videos) https://cs224r.stanford.edu/ https://www.youtube.com/playlist?list=PLoROMvodv4rPwxE0ONYRa_itZFdaKCylL https://www.youtube.com/watch?v=EvHRQhMX7_w&list=PLoROMvodv4rPwxE0ONYRa_itZFdaKCylL&index=1 #course #youtube
Signed Mohammad Saleh
دکتر Fie Fie Li ، استاد معروف دانشگاه استنفورد، در مورد زبان (منظور متن و کلمات نه زبان انگلیسی) صحبت جالبی رو مطرح میکنه. ایشون میگه زبان یه سیگنال مصنوعی تولید شده است. زبان فهم ما از جهان هست. اینجور نیست که ما بریم بیرون و کلمات توی محیط نوشته شده باشه. در واقع کلمات و جملات فهم ما از جهان هست نه خود جهان. و ما باید فراتر از متون و کلمات استفاده کنیم برای یادگیری. @robotech_academy
Signed Mohammad Saleh
تحقیق جدید Google در مورد شبکههای عصبی، یعنی این همه مدت داشتیم اشتباه فکر میکردیم؟ تازگیا یه مقاله خیلی خوب از گوگل منتشر شده که توجه زیادی رو به خودش جلب کرده، و جالبتر اینکه ۳ نفر از ۴ نویسندهش ایرانی هستن: علی بهروز، میثم رضویان و وهاب میررکنی. این تحقیق با عنوان "The Illusion of Deep Learning Architecture" نکته مهم و قابلتأملی رو مطرح میکنه، مخصوصاً برای کسایی که روی continual learning کار میکنن و ارزش د…
🧠 وقتی فیزیک و شبکههای عصبی با هم ترکیب میشن! 👨🏻💻 یکی از جذابترین تکنیکهای یادگیری ماشین، فیزیک-آگاه / (PINN) یا همون شبکههای عصبی مبتنی بر فیزیکه. ✅ کاری که با شبکه عصبی معمولی نمیشه انجام داد، با PINN به سادگی قابل حله؛ از پیدا کردن امواج گرانشی سیاهچالهها گرفته تا پیشبینی روند کرونا! ⬅️ این حوزه توی شاخه بزرگتری به اسم Scientific ML قرار میگیره و برای شروع یادگیریش، این منابع به کارت میاد:👇 📣 Sc…
پروژه 500 میلیارد دلاری هوش مصنوعی پروژه استارگیت OpenAI با هدف ایجاد یک زیرساخت بزرگ هوش مصنوعی، با دسترسی انحصاری OpenAI، طراحی شده است. این طرح مستلزم بیش از 500 میلیارد دلار بودجه در طول چهار ساله که با 100 میلیارد دلار شروع میشه (یکی از بزرگترین سرمایهگذاریهای زیرساختی در تاریخ آمریکا) که حتی از پروژه منهتن و برنامه آپولو (در صورت تعدیل تورم) پیشی میگیره!!! انتظار میره که Stargate بیش از 100000 شغل ایجاد کنه…
در خصوص LLM Agents : 📗 عاملهای مبتنی بر LLMها یکی از تحولات بزرگ در هوش مصنوعی محسوب میشوند که قابلیت تصمیمگیری خودکار و حل مسائل پیچیده را دارا هستند. این تکنولوژی مورد توجه صنایع قرار گرفته و همچنین سال 2024 به عنوان عصر عاملهای AI نامیده شده است. این مدلها توانایی استدلال، برنامهریزی، استفاده از ابزار و اجرای مستقل وظایف پیچیده را کسب میکنند. 📗 منظور از عاملهای هوش مصنوعی سیستمهایی است که میتوانند بدون…
❇️ به پیشنهاد گروهی از مخاطبین کنفرانس وب پژوهی، پنل ویژه ای با عنوان «هوش مصنوعی قابل اعتماد و وب» Trustworthy AI and Web تعریف شده است. از پژوهشگرانی که در این حوزه فعالیت می کنند دعوت می شود مقالات خود را به یازدهمین کنفرانس بینالمللی وب پژوهی ارسال نمایند. همچنین از اساتید و اعضای هیات علمی که در این حوزه فعالیت دارند جهت مشارکت در این پنل دعوت بعمل می آید. ❇️ مقالات پذیرفته شده انگلیسی مانند سال های قبل جهت …
مدل o1 و معرفی پارادایم جدید برای مقیاس Inference تا الان روال این بوده که بودجه محاسباتی و پردازشی LLM ها، عمدتا صرف مرحله Pre-train یا همون ساخت LLM ها میشه و بودجه عجیبی برای Inference در نظر گرفته نمیشه. چرا که به ازای هر پرامپتی که سمت LLM میاد، یک بار یک جنریشن رخ میده و پاسخ تحویل کاربر داده میشه. این روال فعلی تمام LLM ها چه Open و چه Close source هست. هرچند که خود جنریت کردن رو اگر بعنوان تسک پیشبینی ت…
دیروز شرکت OpenAI جدیدترین مدل خود را که پیشنمایشی از مدل o1 است معرفی کرد. این مدل که قبلا با نامهای *Q و توتفرنگی در رسانهها مطرح شده بود، قدرت استنتاج و استدلال پیشرفتهتری از مدلهای قبلی ارائه میدهد. البته این فرآیند استدلال باعث کندتر بودن تولید پاسخ شده است. برای بررسی این مدل، یک سوال سادهی استدلالی را از دو مدل ChatGPT o1-preview و ChatGPT 4o پرسیدیم. همانطور که مشاهده میکنید مدل جدید برخلاف مدل قبلی …
سلام به همه! اگه دنبال شغلهای بینالمللی با امکان دورکاری، ریلوکیشن یا Visa Sponsorship هستید، پیشنهاد میکنم حتماً یه سر به وبسایت جابزکیت بزنید. معرفی این سایت رو به این صورت از لینکدین دیدم گفتم به شما هم معرفی کنم https://jobs-kit.com/
معرفی دوره آموزشی و مسابقه rayan • دانشگاه شریف، مسابقه و دوره پیشرفته و جالبی با نام RAYAN AI در زمینه اعتمادپذیری در یادگیری عمیق (Trustworthiness in Deep Learning) برگزار میکنه. این مسابقه ۳۵ هزار دلار جایزه نقدی داره (درست خوندید) و پاییز برگزار میشه. • دو تا دوره با اساتید خفن (مثل دکتر رهبان، دکتر سلیمانی و دکتر نجفی و ...) هم برگزار میکنه؛ یکی دوره مقدمه یادگیری ماشین و یادگیری عمیق و دومی هم اعتمادپذیری د…
Showing the 12 most recent of 18 posts we hold for @ml_nlp_cv. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 14 August 2026 — this entry's latest reading, not the date you are reading this.
“Machine Learning NLP + CV” (@ml_nlp_cv), 273 subscribers as measured 14 August 2026. Telegram Register, tgregister.com/channel/ml_nlp_cv.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.